亚洲狠狠婷婷综合久久久,日本在线视频www色影响,久久精品久久久久观看99,性网站视频免费观看一区二区三区 ,久久国产精品ww

山東日照，冫口（zhan4）子莊的四個村委聚在一起，編村志。它們的官方村名叫“棧子莊”，村委不管這一套：村志就要寫“冫口子莊”。

莊子和字一起誕生于晚清時期。兩條即將入海的小河夾繞著村莊，人們在此聚集，然后定居。有識字的讀書人根據(jù)這個地理特征，自創(chuàng)了“冫口”字當(dāng)作村名——遠行游子看到這個字，就能想起家鄉(xiāng)模樣。

道光年間，經(jīng)由村內(nèi) 26 位村民公議，將村莊起源刻在碑上，立在村子里。后來這里成為抗日模范村，還出了著名的地質(zhì)學(xué)家葉連俊。祖祖輩輩，村民每次寫地址，都是兩點水一個口。

冫口子莊地圖，地圖中，這里叫棧子村｜地圖截圖

直到上世紀 80 年代，國家開展第一次地名普查，村民這才知道，自己家鄉(xiāng)的名字，被稱作“生僻字”，在電腦里打不出來。沒辦法，官方只能選了同音字“?！眮硖娲?。地圖、政府網(wǎng)站、公文匯報里，這里是“棧子莊”；但在村子里的服務(wù)中心、商戶牌匾、小學(xué)校名，這里還叫“冫口子莊”。

村民們開啟了捍衛(wèi)“這個電腦里不存在的字”的漫長過程。他們先是集資修復(fù)了“公議公稱碑”，還在外面建了個亭子為石碑遮風(fēng)擋雨；然后又開始編撰村志，繼續(xù)強調(diào)村名的來歷和其背后的村史——“要是這個字能進電腦就好了。”

冫口子莊公議公稱碑｜百度百科

第一步：迷失中的打撈

要讓生僻字進入計算機，第一步是發(fā)現(xiàn)和判斷它。

在粗略統(tǒng)計中，中國流傳下來的漢字數(shù)量在 30 萬以上，其中只有大約 3500 個為常用字，剩下的都可稱為“生僻字”。

維基百科里，“生僻字”被定義為：使用率極低，甚至音義均難考證的漢字。實際情況比這個有趣。

有的生僻字挺簡單，你甚至以為是常見字。比如“口當(dāng)”，現(xiàn)在在電腦、手機中還不能便捷地輸入和顯示這個想象中會很常見的擬聲字——“叮叮當(dāng)當(dāng)”長這樣，沒有口字旁。

有的則帶著故事。Zhao3，由“山、西、人”三個部分組成，山東人用來指口音不同的外地人（有的地方用同音字“侉”表示類似意思，還有寫作“山、東、人”的）。山東的地方戲曲棗梆，原來就叫 zhao3 梆，因為這戲就是從山西傳來的，唱戲的口音和“大傘凍”話不一樣。

左為 zhao3，右為 kua3｜騰訊生僻字小程序

有的字，源頭不一定是漢語，可以是少數(shù)民族的字，與漢字搭配著出現(xiàn)在地名或人名中；有的字還在使用著古方音。

圖1-2：rang4，含義為水牛，是土家族語，因為土家族沒有文字，所以當(dāng)?shù)厝艘詽h字“水牛”創(chuàng)制該新字

圖3-4：peng2，含義為草木旺盛，用四個木會意，用于浙江省南部方言

圖5: 網(wǎng)絡(luò)自造字，biu4，指發(fā)射的聲音

圖片來源：受訪者提供、《湖南省永順縣地名錄》、《浙江省天臺縣地名志》

還可以是歷史中的各種“自造字”。最著名的例子，是武則天在登基后自創(chuàng)“曌（zhao4）”字為自己命名。曌，寓意著日月當(dāng)空。

“生僻字”散落在生活的每一個角落，其中很多仍未進入計算機字庫。對于大眾而言的“生僻”，卻是每一個生僻字使用者難以逃離的身份認同和日常必需。

尤其當(dāng)一個生僻字出現(xiàn)在地名和人名，遭遇的就可能是不得不手寫的戶口本、比常人繁瑣數(shù)倍的登機手續(xù)、無法實名制的支付賬戶，甚至因為名字打不出而被取消的保研資格。

這些生僻字散落在不被人注意的生活角落，需要人特意拾起。王謝楊就是一位“專業(yè)拾字者”，他從大學(xué)時就開始樂于挖掘生僻字：利用網(wǎng)上的學(xué)術(shù)數(shù)據(jù)庫，或是從二手書店里，找到各種地名志、契約、文書、賀信……一頁頁翻，看到有可能是生僻字的就記下來。

冫口字就經(jīng)由村志發(fā)現(xiàn)｜受訪者供圖

王謝楊的工作，就像在文獻大海里淘尋那些形色罕見的貝殼，辛勤之上，運氣為主。為了更好地拾字，他曾休學(xué)一年，翻完 2000 余本地名專著，最終找到 500 多個生僻字。

每“淘”到一個生僻字，王謝楊都要進行一番“調(diào)查”，以證明字的使用價值和實際意義——有一定歷史、含義明確的叫做“活字”；而那些個別人一時興起自造的、音義模糊、價值不明的，叫“死字”。這是對于生僻字生命力強弱的判定。

“出處”，是證據(jù)否成立的主要判斷標準：1949 年前的，刻版的古籍最優(yōu)——手抄版字體變化大，不算好證據(jù)；1949 年后的，正規(guī)出版的印刷體文獻才能算證據(jù)。

一則出現(xiàn)在正規(guī)期刊發(fā)表的學(xué)術(shù)論文里的證據(jù)，比出現(xiàn)在學(xué)位論文里的更優(yōu)；字出現(xiàn)在報紙、路牌、路標上，也算證據(jù)；政府開的公函，證明該地區(qū)的確有人在使用某生僻字的，是最可靠的證明。

人名地名生僻字的常用省份｜資料來源：騰訊

如果上述的證據(jù)都找不到，或者證據(jù)上的字顯示得不清晰，王謝楊就只能先把這個字記在腦子里，等著哪天在文獻海洋中重逢——現(xiàn)在，裝在他腦子的這種字還有四十多個。

好在找證據(jù)的過程并不枯燥，追溯字的歸屬過程有種詩意。王謝楊喜歡登山探險家喬治·馬洛里的故事，在現(xiàn)代登山設(shè)備還未出現(xiàn)的時候，這位 1886 年生的探險家多次想要攀登珠峰，并最終為此獻出生命。有記者問他“為什么要攀登珠穆朗瑪峰”，喬治給出了一個簡單而后聞名于世的回答，”因為山就在那里"。

第二步：字的“身份”

拾字、考證，都是為了向制定國際字符編碼標準的組織提交申請——這是生僻字數(shù)字化的第二個關(guān)口。

電子設(shè)備并非天生顯示漢字。電腦、手機……這些電子系統(tǒng)的底層原理都是處理二進制數(shù)據(jù)，要讓電子設(shè)備顯示漢字，需要讓漢字和二進制數(shù)據(jù)形成映射關(guān)系，這便需要對漢字字符進行編碼。

近代計算機誕生在西方國家，設(shè)計之初沒有考慮過顯示漢字。80 年代最具代表性的個人電腦，美國的 IBM PC，系統(tǒng)里僅包含了字母、數(shù)字、符號共 256 個字符；早期的 Windows 系統(tǒng)，也不支持中文——那個年代開始接觸計算的中國人，一定都還記得“漢化軟件”、“漢化卡”、“漢化機”這樣紅極一時的產(chǎn)品。

IBM PC｜wikimedia commons

相對英文字符，漢字的數(shù)字化要復(fù)雜得多。

首先數(shù)量就是一個坎，26 個字母能組成所有的英文表達，而中文這種表意文字（或語素文字），每個字都是單獨的符號，編碼量和英文完全不在一個等級。

漢字的顯示也更復(fù)雜，IBM PC 里的英文字符，都以 9 * 14 像素點陣的形式呈現(xiàn)，而漢字至少需要 16 * 16 像素才能顯示清晰——這進一步又對儲存提出了要求，當(dāng)時電腦的存儲容量還在 KB 的量級，很難容下又大又多的漢字字符。

可電子信息浪潮無差別地沖擊著每一個擁抱現(xiàn)代化的地方。BP 機（傳呼機）、游戲機、相機……這些全球時興的電子產(chǎn)品立刻在中國開始流行，解決漢字數(shù)字化的需求迫在眉睫。

1991 年，山東一家叫浪潮的公司自行編制“傳呼通信用漢字信息表示及其編碼字符集”，自定義編碼規(guī)則，將漢字送進了自家的 BP 機——“我這個，漢顯的”，一度成為 BP 機高配的標志。這是一種當(dāng)時流行的解決方式，各類電子設(shè)備和操作系統(tǒng)各自編碼，分別解決漢字顯示的需求。

BP機｜百度百科

在 BP 機這類只需要顯示漢字的產(chǎn)品中，自行編碼能解決問題。但很快，計算機開始普及了。

與 BP 機不同，計算機的交互是雙向的，普通消費者漢字輸入的問題就此出現(xiàn)了——而且，這種交互還是跨系統(tǒng)和跨產(chǎn)品的。僅能顯示漢字已不足夠，這要求漢字有統(tǒng)一的編碼標準，否則在 A 軟件上能輸入和顯示的漢字，在 B 軟件上很可能是一堆亂碼。

沒有統(tǒng)一標準，輸入法也會出現(xiàn)問題。如果輸入法的編碼標準和計算機的編碼標準不一致，便會出現(xiàn)一個字在輸入法鍵盤里有，但計算機文檔顯示不出來的情況。

1991 年，Unicode 標準（也叫萬國碼）在這個背景下誕生，它準備了 17*65536 個碼位（17 被稱為“平面數(shù)”，每個平面能裝下 65536 個字符），用于為世界上所有國家/地區(qū)的字符、標點、符號賦碼。等于將以前編碼上的各自為政，收歸為統(tǒng)一標準。更關(guān)鍵的是，全球通用。

漢字是一種世界性的文字，通行于中國大陸及港澳臺地區(qū)、日本、朝鮮、越南、新加坡等地。實際上，早在上世紀 60 年代末，日本便開始思考如何將 2 千多個日文漢字塞進計算機系統(tǒng)，是首個研究漢字數(shù)字化的國家。

“次”字在中國、韓國、越南、日本漢字標準中的變體｜wikipedia

日本最終研究出 JIS C 6226 編碼標準；在韓國，這個標準有 KS C 5601；中國有 GB18030；中國香港有 HKSCS——整個漢字世界的編碼標準四分五裂。

如果你經(jīng)歷過那個時候，大概率還會記得玩日本或臺灣地區(qū)盜版游戲時，需要先準備好轉(zhuǎn)碼器，才不至于盯著滿屏亂碼一臉懵的經(jīng)歷——還記得四通利方、南極星、東方快車么？還記得游戲中名叫“變巨”的“治世能臣亂世奸雄”么？

四通利方｜百度百科

Unicode 標準字符集中的漢字部分被稱為“中日韓統(tǒng)一表意文字”，使用漢字的人遵循同樣的原則和標準，提交待編碼的漢字。不同地區(qū)字形一樣或差異不大，字義相通的漢字，依次排開，都放在同一個編碼下——一種真正的全球化。

字被發(fā)現(xiàn)，獲得編碼，這是一個屬于漢字的“千與千尋”，它不僅收獲了計算機系統(tǒng)里的唯一位置，也找到了世界漢字家族中的一席之地。

第三步：連接的價值

崙（lun2），昆侖也，源于《山海經(jīng)》，月山之意。吳曉侖的父母用這個字的簡體版給他命名。

lun2 字在 Unicode 標準字符集中的代表字形｜受訪者供圖

這開啟了他比常人更難坐飛機、更難乘火車、更難用支付寶和網(wǎng)銀轉(zhuǎn)賬的生活。

Unicode 標準解決了漢字沒有統(tǒng)一標準的問題，但對生僻字而言，這遠遠不夠。

在 Unicode 標準的 17 個平面中，目前只啟用了第 0、第 1、第 2、第 3 和第 14 平面用于編碼特定的字符，其中漢字編碼在第 0、第 2 和第 3 平面，新加入的漢字一般放在第 3 平面。

為了保證實用性和效率，不讓有限碼位浪費，漢字編碼標準優(yōu)先收錄常用漢字，使用頻率少的生僻字則依次排隊。運氣好，證據(jù)充足的，可以在每兩年一次提交新字的周期里獲得一個站在 Unicode 標準大門前的機會，并在等待 3-5 年的審核后，納入 Unicode 標準——這就是一個未編碼漢字獲得編碼的常規(guī)周期。

這樣的時間跨度，對于每一位生僻字使用者而言，太過漫長了。

第一代身份證｜百度百科

2004 年，公安部在全國推行二代身份證，將由塑封套和卡片組成的身份證升級為帶有電子芯片的版本。公安字庫也一并升級，4600 多個曾經(jīng)手寫的生僻字進入公安系統(tǒng)，有了四平八穩(wěn)的電子字體，和常用漢字一起印在身份證上。

當(dāng)時，公安系統(tǒng)使用了 PUA 碼（私人使用區(qū)，Private Use Areas）表示這 4600 多個生僻字——這是 Unicode 標準體系下的私用碼區(qū)，如果有人想在 Unicode 標準框架下顯示 Unicode 標準尚未編碼的字符，可以用這些私用碼區(qū)的編碼來暫時表示對應(yīng)的字符。不過，使用 PUA 碼的字符在其他電子設(shè)備或系統(tǒng)中難以顯示，更不用提互相交流。

當(dāng)時代進入“實名制+移動互聯(lián)網(wǎng)時期”，這套作為折衷方案的 PUA 碼就引發(fā)了新問題。

身份證上能顯示的生僻字，并不存在于其他信息系統(tǒng)中，買機票、網(wǎng)購、網(wǎng)銀轉(zhuǎn)賬、上網(wǎng)發(fā)評論……大多需要實名制的地方，這些生僻字還是只能用拼音、甚至一個*/□代替，這并不符合實名制規(guī)范。疫情期間，那些和吳曉侖一樣的生僻字持有者，更加寸步難行：曾有一名名字中含“日韋（wei3）”的北京市民給人民網(wǎng)留言，稱其因為無法實名，使用不了健康寶，在進出所有公共場合、公共交通和服務(wù)都需要健康寶的嚴控期間，“造成我寸步難行，全部社會活動基本暫?！薄?/p>

吳曉lun 的銀行卡只能使用拼音｜受訪者供圖

也有一些妥協(xié)的辦法。云南麗江傈僳族的村民，就集體將自己的古姓氏“鳥甲（nia4）”，改成鴨——生活倒是方便了，但他們并不開心。

2022 年，國家標準委聯(lián)合有關(guān)部門推出新版《信息技術(shù) 中文編碼字符集》（GB 18030-2022），新增 1.7 萬余個生僻漢字。這是中國官方的編碼標準，具備強制執(zhí)行力，跟隨 Unicode 的更新而更新，但僅專注于中文部分（包括漢字及少數(shù)民族文字），有專門的機構(gòu)和行政部門推廣和監(jiān)督執(zhí)行。

國標在 2000 年和 2005 年有過兩版，其中 2005 版收錄了 7 萬多個漢字。但其中僅有 2 萬多漢字是強制性的，其他均為推薦性。這導(dǎo)致市場上的大部分信息技術(shù)產(chǎn)品最多支持 2 萬多個漢字。

17 年后推出的新版國標改為全文強制，并將需要數(shù)字化的漢字分為三級，電子產(chǎn)品實現(xiàn)級別 1，包含 2 萬 7 千多字；政務(wù)和公共服務(wù)系統(tǒng)需實現(xiàn)級別 3，即包括生僻字在內(nèi)的全部漢字。

這至少能讓生僻字使用者不再被擋在買車票和網(wǎng)銀支付等生活基礎(chǔ)需求之外。

第四步：畫出一個漂亮的字

2017 年，村委執(zhí)意編寫的《冫口子莊村志》被王謝楊發(fā)現(xiàn)，他將村志作為證據(jù)，向 Unicode 申請為“冫口”編碼，五年后，“冫口”和約 300 個生僻字一同通過審核，獲得了 Unicode 標準中的編碼。

“冫口”字在 Unicode 標準字符集中的代表字形｜受訪者供圖

但這不等于電腦就能打出“冫口”。

電腦顯示漢字的邏輯大概如下：首先，電腦讀到一串?dāng)?shù)據(jù)，判斷是否為文本數(shù)據(jù)——若是，則根據(jù)該數(shù)據(jù)（該字的編碼）調(diào)用字體文件中的字形——經(jīng)一系列渲染操作，電腦上顯示出字形。

也就是說，擁有編碼只解決字可否在數(shù)字系統(tǒng)中存在的問題，要顯示字，還需要字庫和字形。

新版《信息技術(shù) 中文編碼字符集》發(fā)出征求意見稿時，服務(wù)商之一的漢儀字庫就開始了生僻字的字庫建設(shè)工作，其中兩個重點：一是讓這些字都遵循新版的編碼標準（如果字形編碼和市場通行的碼不在一套標準，也會出現(xiàn)無法顯示的問題），二是設(shè)計字形。

生僻字的特性在第二步被放大。下面是一張生僻字列表，你可以直觀感受下這些字都長什么樣。

部分生僻字｜GB 18030—2022

當(dāng)設(shè)計師面對一個從未接觸過的字形的時候，也只有紙質(zhì)版的字形標準文件可以參考（無法獲取字形字體的電子文件）。筆劃繁雜的生僻字在紙張上只有毫米大小，設(shè)計師“難免看錯”。比如?（lei3），正在閱讀的你可以想象下沒有屏幕放大功能時，不看漏每一筆畫有多困難。

保持美觀是另一個問題，常規(guī)字的結(jié)構(gòu)大多簡單，設(shè)計起來有一套規(guī)律，比如“上下同形，上小下大”、“左右同形，左小右大”等。生僻字不管這些，它們或像腫瘤，所有部件恨不得擠在一起；或過于云淡風(fēng)輕，像一個還沒寫完的偏旁。

設(shè)計常規(guī)字時，高頻出現(xiàn)的部件/部首還可以從以往的設(shè)計中復(fù)用。生僻字的部件大多罕見，比如“咼”、“兯”、“婣”，你很難在常用字當(dāng)中看到類似組成部分。面對這些一次性的部件，設(shè)計師只能重新審視其位置和大小，一筆一劃重新來，像是回到手工時代。

比起寫字，“更像在畫畫”——漢儀字庫的產(chǎn)品經(jīng)理這么形容。

生僻字與常規(guī)用字的對比｜YouTube by οοοooohmygosh

漫長的闖關(guān)進入關(guān)鍵一步——輸入。

第五步：并非終點的輸入法

這里有一個生僻字需要你輸入，闃，你會如何輸入？肸呢？

不認識很正常，你可能會根據(jù)熟悉的字形部分猜它們的讀音，在輸入法打下“chou”和“pang”，再一頁頁翻找。只可惜，他們讀“qu4”和“xi1”。

既然“生僻”，那就會時常遇到要么不會讀要么不會寫的情況，最常見的拼音和筆畫輸入都會碰壁。面對這些問題的輸入法就需要新的輸入邏輯——拆字。比如“慭”，用戶會輸入這個字中最常見的“夾”，“犬”和“心”，希望用組合方式找到這個字。

騰訊搜狗輸入法在內(nèi)部搭建了生僻字鍵盤項目組，一個一個模擬用戶會如何拆生僻字。這又是一個純靠直覺的手工活，拆字員 A 的思路和 B 的可能完全不一樣。

比如“嶧”這個字，有的人按“山+擇”的思路拆，有的人更碎，拆成“山+又+豐”，還有人采用模糊拆法，拆成“山+峰”。

這就需要不同的人二拆，三拆。生僻字鍵盤項目組在 3 個月內(nèi)，拆字 1 萬 7 千多個，前后總共拆字超 9 萬個。如果用戶反饋不好，再從頭拆。目前，每天有 1 萬多人通過生僻字鍵盤輸入 4 萬多字。

騰訊搜狗生僻字鍵盤｜受訪者供圖

可作為離用戶最近也是最直觀的環(huán)節(jié)，騰訊搜狗輸入法總是接到用戶投訴，“為什么我身份證上都可以打出來的字，你輸入法里都沒有”——用戶往往認為，生僻字輸入輸出的問題，都是輸入法的鍋。

“90% 的用戶認為輸入法解決生僻字問題就可以了，但不知道生僻字的數(shù)字化其實是一個個復(fù)雜的系統(tǒng)工程”，騰訊搜狗輸入法生僻字解決方案項目主管辜海玻解釋?！俺溯斎耄€需要解決生僻字的顯示、存儲、傳輸、輸出、打印等環(huán)節(jié)，打通生僻字數(shù)字化的所有鏈路，一個生僻字才能在信息系統(tǒng)內(nèi)順暢地使用。”

為了執(zhí)行新國標，騰訊搜狗輸入法 2022 年開始對輸入法產(chǎn)品進行改造。它放棄用了 16 年的底層架構(gòu)，將以前也用 PUA 碼顯示的字統(tǒng)一改為 Unicode 編碼，并擴展了字體。

這是一套艱難而漫長的流程，理想的終點，是一個生僻漢字能顯示、輸入、在數(shù)字化的世界中無障礙地使用；而回歸的起點，則是要讓全社會和全部數(shù)字系統(tǒng)都貫徹落實統(tǒng)一標準——90 年代編碼標準的混亂，依舊很大程度影響著今天，身份證上能顯示的字在其他系統(tǒng)依舊“查無此字”，哪怕在同一家醫(yī)院，掛號和開藥都可能是兩套編碼。

生僻字征集小程序｜截圖

“其實不需要每個系統(tǒng)都重新編碼，做好轉(zhuǎn)碼映射，讓每個產(chǎn)品都能顯示出國標上規(guī)定的字即可”，工信部電子工業(yè)標準化研究院中文信息研究室主任黃姍姍稱，“技術(shù)上這些都很容易，重點是讓整個社會意識到生僻字標準統(tǒng)一的重要性。”

今年，電子標準研究院加大新國標的宣傳力度，也在配合支撐主管部門開展標準符合性檢測等工作。

數(shù)字系統(tǒng)的各方也在嘗試聯(lián)合。今年春季，聯(lián)合國中文日前后，一款聯(lián)合了騰訊、電子標準研究院、漢儀字庫等多方機構(gòu)的生僻字征集小程序曾火熱一時。到今年六月入夏時，小程序上就已經(jīng)有 2.1 萬人參與提交 5000 多個（去重后）生僻字，其中有 300 多個生僻字通過此渠道來到專家考證環(huán)節(jié)，有望在明年收入新國標和國際標準。